- 我的订阅
- 科技
我们正处于一个信息大暴发的时代，每天都能产生数以百万计的新闻资讯！
虽然有大数据推荐，但面对海量数据，通过我们的调研发现，在一个小时的时间里，您通常无法真正有效地获取您感兴趣的资讯！
头条新闻资讯订阅，旨在帮助您收集感兴趣的资讯内容，并且在第一时间通知到您。可以有效节约您获取资讯的时间，避免错过一些关键信息。
英国ai初创公司wayve公布gaia-1最新进展
10月9日消息，英国AI初创公司Wayve公布了旗下GAIA-1生成式模型的最新进展，在今年6月的时候，Wayve建立了将生成式模型用于自动驾驶的概念性验证，而在这几个月中，Wayve公司持续扩展GAIA-1，使其拥有90亿个参数，能够生成逼真的驾驶场景影片，展示自动驾驶“在各种情境的反应”，并且更好地预测未来事件。
▲图源Wayve
GAIA-1是一个可以利用不同类型的资料，包括影片、文字和动作，创建逼真驾驶场景影片的世界模型（WorldModel）。可对自动驾驶车辆的行为和场景特征进行细致的控制，且由于GAIA-1多模态的性质，能够从多种提示模式和组合中生成相关视频。
▲图源Wayve
官方提到，GAIA-1可对环境进行学习，从而提供结构性的环境理解，协助自动驾驶系统做出明智的决策。而“预测未来事件”是该模型的基本关键能力，而对未来的准确预测，可以让自动驾驶车辆预先知道即将发生的事件，从而规划对应的动作，增加汽车上路时的安全性和效率。
据悉，GAIA-1会先运用专门的编码器，将影片或文字等各种形式的输入，编码成一个共享的表示形式，进而在模型中实现统一的时序对齐和上下文理解，这种编码方法，让模型能够更好地整合和理解不同类型的输入。
▲图源Wayve
而GAIA-1的核心，是一个自回归Transformer，能够预测序列中下一组图像token，世界模型不只考虑过去的图像token，还参照文字和动作token的上下文资讯，运用这个方法所生成的图像token，不仅会在视觉上连贯，而且和预期的文字和动作指引保持一致。
在此之后，模型会启动视频解码器这个阶段被启动，主要功能是将这些图像token转换回像素空间，视频解码器作为一个扩散模型，其强大之处主要在于可保证生成的影片，具语义意义、视觉准确且时间序一致性。
▲图源Wayve
IT之家从官网得知，GAIA-1的世界模型经过64个英伟达A100GPU上长达15天的训练，包含了高达65亿个参数，而视频解码器则在32个英伟达A100GPU上训练了15天，总共拥有26亿个参数。
GAIA-1的主要价值，是在自动驾驶中引入生成式世界模型的概念，透过整合影片、文本和动作输入，展示多模态学习在创建多样化驾驶情境的潜力，而且透过整合世界模型与驾驶模型，使驾驶模型能够更好地理解自己的决策，并且泛化至真实世界的情境中，进而提升自动驾驶系统的能力。
以上内容为资讯信息快照，由td.fyun.cc爬虫进行采集并收录，本站未对信息做任何修改，信息内容不代表本站立场。
快照生成时间：2023-10-10 18:45:06
本站信息快照查询为非营利公共服务，如有侵权请联系我们进行删除。
信息原文地址：
